美國食品藥品監督管理局（FDA）批準了一種人工智能（AI）醫療設備上市，只需捕捉患者視網膜圖像，就能自動檢測是否有糖尿病性失明征兆。如今，像這樣的新型AI技術正在醫療領域迅速蔓延。科學家們正積極開發著各種AI系統，能夠直接或是通過各種各樣的影像，幫助識別各類疾病的征兆。

未來，這樣的AI系統將不僅僅在醫院被廣泛使用，還可能為醫療監管機構、賬單服務公司和保險公司提供幫助。正如AI幫助醫生檢查病人的眼睛、肺部和其他身體器官一樣，它也能幫助保險公司確定賠付金額和保單費用。理想的情況下，這些系統將有助于提高整個醫療體系的工作效率。然而，美國哈佛大學和麻省理工學院的一組研究人員警告稱，這些系統也可能會產生難以想象的嚴重后果。

“對抗性攻擊”是指利用調整微小的數字數據，改變人工智能系統行為的操作。例如，修改肺部掃描影像的幾個像素，就能誤導AI系統，把沒病的判斷成有病，或者把有病的誤判成沒病。在新發布的這篇論文中，研究人員證實，通過改變一幅良性皮膚病變圖像中的少量像素，就能欺騙一種診斷AI系統，導致其誤判病為惡性。他們還發現，通過簡單地旋轉影像，也能達到同樣的目的。

如果對病人病情的書面描述進行一些小的改動，也可改變人工智能的診斷：“酗酒”的診斷結果與“酒精依賴”的不同，“腰痛”和“背痛”的診斷結果也會有所區別。隨著監管機構、保險公司和醫療賬單服務公司開始在其軟件系統中使用AI技術，黑客可能入侵系統，導致病人誤診。更有可能發生的一種情況是，醫生、醫院和其他相關機構或將利用對抗性攻擊，操縱醫療賬單或保險軟件上的AI系統，想方設法獲得盡可能多的收益。

例如，如果保險公司使用AI評估醫學掃描影像，醫院可以通過修改掃描結果，以提高賠付金額。如果監管機構建立了AI系統，用于評估新技術，設備制造商可以通過改變圖像和其他數據，以欺騙系統，獲得監管部門的批準。研究人員認為，一旦人工智能深深植根于醫療體系之中，各家企業將逐漸出現能為其帶來最大利潤的行為。而這其中的受害者，將是患者。

哈佛大學醫學院和麻省理工學院的研究人員塞繆爾·芬利森指出，如果醫生為了騙過保險公司的AI系統，以獲得更多利潤，對醫學掃描影像或病人的其他數據進行改動。而這些改動將出現在病人的永久記錄中，伴隨其終身，這將對病人未來的診斷產生影響。

這樣的情況并不只是一種假設或不必要的擔憂。事實上，由于整個醫療保健行業有大量的資金來往，一些醫生、醫院和其他組織已經出現了操控軟件系統獲利的情況。例如，為了提高醫療費用支出，醫生們巧妙地修改了賬單代碼，將簡單的X光掃描變為更復雜的掃描等等。

芬利森稱，人工智能可能會加劇這個問題。未來幾年，軟件開發者和監管機構在構建和評估AI系統時，必須考慮這些情況發生的可能性。“醫療信息本身就模糊不明確，再加上財務激勵政策經常相互沖突，使得高風險決策因非常微妙的信息變動就會出現搖擺。”

對抗性攻擊利用了眾多AI系統設計和構建的一個基本方面——神經網絡。人工智能越來越多地受到神經網絡的驅動，而神經網絡本身是一種復雜的數學系統，通過分析大量數據獨立學習任務。例如，通過分析成千上萬的眼部掃描圖像，神經網絡可以學會如何監測糖尿病視網膜病變的征兆。

但這種“機器學習”是建立在巨大規模的基礎，也就是無數定義人類行為的不同的數據塊之上，以至于一旦接收到不正確的信息，AI系統可能產生意想不到的行為。2016 年，美國卡耐基梅隆大學的一個研究小組通過印在眼鏡框上的圖案，成功騙過了面部識別系統，讓其誤以為戴眼鏡的是名人。當研究人員戴上這些眼鏡時，系統把他們錯誤識別成米拉·喬沃維奇（Milla Jovovich）和約翰·馬爾科維奇（John Malkovich）。

也有研究曾警告稱，對抗性攻擊能欺騙無人駕駛汽車，讓它們看到不存在的東西。通過對路標做一些微笑的改動，就導致汽車AI系統將停車標志錯誤地識別為讓路標志。去年年底，美國紐約大學坦頓工程學院的一個研究團隊創造了一種虛擬指紋，在22%的情況下，成功騙過了指紋識別器。也就是說，所有使用這些指紋識別器的手機或個人電腦，有22%可能被解鎖。

鑒于生物特征安全設備和其他人工智能系統的日益普及，這項研究的影響極其深遠。印度已經開始實施世界上最大的基于指紋的身份識別系統，用于發放政府津貼和分派服務。各家銀行正在引入人臉識別技術到自動取款機上。與 Google 同屬一家母公司的 Waymo等企業，目前正在對無人駕駛汽車進行公共道路測試。

如今，芬利森團隊就AI系統在醫學領域的使用也發出了同樣的警告，目前為止，在醫療保健領域還沒有發現前沿的對抗性攻擊。但這種潛力是存在的，特別是在醫療賬單和保險行業。